anta att du vill överväga en riskfaktors inverkan på tiden för händelsen. Till exempel, Arnlov et al (2010) överväga effekterna av body mass index (BMI) och metabola syndromet på utvecklingen av hjärt-kärlsjukdom och död hos medelålders män. Föreningarna undersöktes med hjälp av data från en kohortstudie av 1758 medelålders svenska män bosatta i ett län med över 30 års uppföljning., Figuren nedan visar tiden till en större kardiovaskulär händelse av BMI-kategori och närvaro (B) eller frånvaro (a) av metaboliskt syndrom. Finns det en skillnad i dessa överlevnadskurvor?

Figur 2: Kaplan-Meier-kurvor för större kardiovaskulära händelser i olika BMI-kategorier i enskilda personer utan MetS (A) och med MetS (B).

(siffror som återges från Arnlov, J et al., Inverkan av Body Mass Index och metabola syndromet på risken för hjärt-kärlsjukdom och död hos medelålders män. Omsättning 2010; 121; 230-236, som ursprungligen publicerats på nätet 12/28/2009; DOI 10.1161/CIRCULATIONAHA.109.88752)

förekomsten av en större kardiovaskulär händelse är ett binärt svar. Skulle logistisk regression, med BMI som en prediktorvariabel, vara lämplig att analysera dessa data?,

svar

förhållandet mellan närvaron eller frånvaron av en större kardiovaskulär händelse och prediktorvariabeln kunde bedömas med logistisk regression vid en viss tidpunkt, men detta skulle inte direkt jämföra överlevnadskurvorna. En överlevnadsanalys skulle jämföra kurvorna på grundval av tid till händelsen.

Överlevnadsanalysmetoder, såsom proportionell riskregression skiljer sig från logistisk regression genom att bedöma en hastighet istället för en andel.,

proportionell risk regression kallas även Cox regression, modellerar incidensen eller riskfrekvensen, antalet nya fall av sjukdom per population i riskzonen per tidsenhet. Om resultatet är döden är detta dödligheten.
Riskfunktion Riskfunktionen är sannolikheten att om en person överlever till t, kommer de att uppleva händelsen i nästa ögonblick.

logistisk regression däremot anser andelen nya fall som utvecklas under en viss tidsperiod, dvs. den kumulativa incidensen., Logistisk regression uppskattar oddsförhållandet; proportionell riskregression uppskattar riskkvoten.

förhållandet mellan riskfunktioner kan betraktas som ett förhållande mellan riskfunktioner, så den proportionella riskregressionsmodellen kan betraktas som en funktion av relativ risk (medan logistiska regressionsmodeller är en funktion av ett oddsförhållande). Förändringar i en kovariat har en multiplikativ effekt på utgångsrisken. Modellen med avseende på farofunktionen vid tidpunkten t är:<|p>

\(\lambda \left ( t / X_{1I},X_{2i},…,X_{Ki} \right )=\lambda_{0} (t)exp\left ( \beta_{1}X_{1″}+\beta_{2}X_{2i}+…,+ \beta_{K}X_{Ki} \right )\)

även om ingen särskild sannolikhetsmodell väljs för att representera överlevnadstiden, har proportionell riskregression ett viktigt antagande: risken för någon individ är en fast andel av faran för någon annan individ. (dvs. proportionella risker)., Meddelande om \(\lambda_0 (t)\) är farofunktionen för ett ämne med alla prediktorvärden lika med noll och \(\lambda_1 (t)\) är farofunktionen för ett ämne med andra värden för prediktorvariablerna, då beror riskförhållandet endast på prediktorvariablerna och inte i tid t. detta antagande innebär att om en kovariat fördubblar risken för händelsen på dag ett, fördubblar det också risken för händelsen på någon annan dag.,

proportionella riskmodeller kan användas för diskreta eller kontinuerliga åtgärder av händelsetid och kan innehålla tidsberoende kovariater (kovariater vars värden som kan ändras under observationsperioden). Med proportionell riskregression kan kovariatjusterade riskförhållanden (eller riskförhållanden) åstadkommas.

låt oss återgå till den ursprungliga frågan från Arnlov och colleagues…do BMI och metaboliskt syndrom påverkar utvecklingen av hjärt-kärlsjukdom? Läs Arnlov et al., Inverkan av Body Mass Index och metabola syndromet på risken för hjärt-kärlsjukdom och död i medelålders män cirkulation 2010;121;230-236, med särskild uppmärksamhet på de statistiska metoder, resultat och slutsatser.

Jämför och kontrastera proportionella risker regressionsmetod till en logistisk regressionsmetod genom att läsa Franco et al. Banor för att komma in i det metaboliska syndromet: Framingham Heart Study. Omsättning 2009;120;1943-1950; ursprungligen publicerad på nätet Nov 2, 2009; American Heart Association. 7272 Greenville Avenue, Dallas, TX DOI: 10.,1161/CIRCULATIONAHA.109.855817

Du kan också jämföra resultaten från de två studierna. Båda dokumenten finns i mappen avläsningar för Vecka 14.

Obs! Om du inte är bekant med Kaplan-Meier-kurvor läser du kapitlet överlevnadsanalys i forskningsmetoderna II-monografier från Journal of Tropical Pediatrics

(nås från http://www.oxfordjournals.org/our_journals/tropej/online/ma_chap12.pdf)